Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
TeorVer.docx
Скачиваний:
0
Добавлен:
01.05.2025
Размер:
3.21 Mб
Скачать

8. Формулы полной вероятности и Байеса.

Одним из следствий совместного применения теорем сложения и умножения вероятностей являются формулы полной вероятности и Байеса. Напомним, что события A1, A2, …, An образуют полную группу, если AiAj = Ø, ij и Ai = Ω. Систему таких событий называют также разбиением.

Теорема. Пусть событий H1, H2, …, Hn образуют полную группу. Тогда для любого, наблюдаемого в опыте, события A имеет место формула полной вероятности или средней вероятности.

P(A) = P(Hi) ∙ P(A|Hi).

Так как H1 + H2 + … + Hn = Ω, то в силу свойств операций над событиями,

A = A ∙ Ω = A ∙ (H1 + H2 + … + Hn ) = A ∙ H1 + A ∙ H2 + … + A ∙ Hn . Из того, что HiHj = Ø, следует, что (AHi) ∙ (AHj) = Ø, ij, т. е. события AHi и AHj также несовместны. Тогда по теореме сложения вероятностей P(A) = P(AH1 ) + P(AH2) +…+ P(AHn) т. е. P(A)= P(AHi ). По теореме умножения вероятностей P(AHi ) = P(Hi) ∙ P(A|Hi), откуда и следует формула теоремы.

Отметим, что в формуле события H1, H2, …, Hn называют гипотезами; они исчерпывают все возможные предположения (гипотезы) относительно исходов как бы первого этапа опыта, событие A – один из возможных исходов второго этапа.

Следствием формулы полной вероятности является формула Байеса или теорема гипотез. Она позволяет переоценить вероятности гипотез Hi , принятых до опыта и называемых априорными по результатам уже проведенного опыта, т. е. найти условные вероятности P(A|Hi), которые называют апостериорными.

Теорема. Пусть события H1, H2, …, Hn образуют полную группу событий. Тогда условная вероятность событий Hk (k = ) при условии, что событие A произошло, задается формулой

P(Hk|A) = , где P(A) = P(H1) ∙ P(A|H1) +…+ P(Hn) ∙ P(A|Hn) – формула полной вероятности. Формула называется формулой Байеса.

Применив формулу условной вероятности и умножения вероятностей, имеем

P(Hk|A) = = , где P(A) – формула полной вероятности.

9. Повторные независимые испытания. Формула Бернулли.

Независимые испытания. Схема Бернулли.

С понятием «независимых событий» связано понятие «независимых испытаний (опытов)».

Несколько опытов называются независимыми, если их исходы представляют собой независимые испытания (независимые в совокупности).

Другими словами, если проводится несколько испытаний, т. е. опыт выполняется при данном комплексе условий многократно (такое явление называется «последовательностью испытаний»), причем вероятность наступления некоторого события A в каждом испытании не зависит от исходов других испытаний, то такие испытания называются независимыми.

При практическом применении теории вероятностей часто используется стандартная схема, называемая схемой Бернулли или схемой независимых испытаний.

Последовательность n независимых испытаний, в каждом из которых может произойти некоторое событие A (его называют успехом) с вероятностью P(A) = p или противоположное ему событие A̅ (его называют неудачей) с вероятностью P(A̅) = q = 1 – p, называется схемой Бернулли.

В каждом испытании ПЭС состоит только из двух элементарных событий, т. е. Ω = {ω0, ω1}, где ω0 – неудача, ω1 – успех, при этом A = {ω1}, A̅ = {ω0}. Вероятность этих событий обозначается через p и q соответственно (p + q = 1). Множество элементарных исходов для n опытов состоит из 2n элементов. Например, при n = 3, т. е. опыт повторяется 3 раза, Ω = {(A̅, A̅, A̅) / ω0 ; (A, A, A̅) / ω1 ; (A, A̅, A) / ω2 ; (A̅, A, A) / ω3 ;(A, A̅, A̅) / ω4 ; (A̅, A, A̅) / ω5 ;( A̅, A̅, A) / ω6 ;(A, A, A) / ω7 }. Вероятность каждого элементарного события определяется однозначно. По теореме умножения вероятность события, скажем ω6 = ( A̅, A̅, A), равна q q p = pq2 , события ω7 ppp = p3q0 =p3 и т. д.

Часто успеху сопоставляется число 1, неудаче – число 0. элементарным событием для n опытов будет последовательность из n нулей и единиц. Тройка чисел (0, 0, 0,) означает, что во всех трех опытах событие A не наступило; тройка чисел (0, 1, 0) означает, что событие A наступило во втором опыте, а в первом и третьем – не наступило.

Формула Бернулли.

Простейшая задача, относящаяся к схеме Бернулли, состоит в определении вероятности того, что в n независимых испытаниях событие A наступит m раз (0 ≤ m n). Обозначается искомая вероятность так: Pn(m) или Pn,m или Pn = m), где μn – число появления события A в серии из n опытов.

Теорема. Если производится n независимых испытаний, в каждом из которых вероятность появления события A равна p, а вероятность его непоявления равна q = 1p, то вероятность того, что событие A произойдет m раз, определяется формулой Бернулли

Pn(m) = Cpm ∙ qn–m , m = 0, 1, …, n.

Вероятность одного сложного события, состоящего в том, что событие A в n независимых опытах появится m раз в первых m опытах и не появится (nm) раз в остальных опытах (это событие ) по теореме умножения вероятностей равна pmqnm . Вероятность появления события A снова m раз, но в другом порядке, будет той же самой, т.е.pmqnm .

Число таких сложных событий – в n опытах m раз встречается событие A в различном порядке – равно числу сочетаний из n по m, т. е. C . Так как все сложные события несовместны, то по теореме сложения вероятностей искомая вероятность равна сумме вероятностей всех возможных сложных событий, т. е. Pn(m) = = Cpmqnm , m = 0, 1, …, n.

Можно заметить, что вероятности Pn(m), m = 0, 1, …, n являются коэффициентами при xm в разложении (q + px)n по формуле бинома Ньютона:

(q + px)n = qn + C qn–1 px + C qn–2 p2x2 +…+ C qnm pm xm +…+ pn xn . Поэтому совокупность вероятностей Pn(m) называют биноминальным законом распределения вероятностей, а функцию φ(x) = (q + px)n производящей функцией для последовательности независимых опытов.

Если в каждом из независимых испытаний вероятности наступления события A разные, то вероятность того, что событие A наступит m раз в n опытах, равна коэффициенту при m-ой степени многочлена φn (z)=(q1 + p1z)(q2 + p2z) ∙…∙ (qn + pnz), где φn (z) – производящая функция.

Если в серии из n независимых опытов, в каждом из которых может произойти одно и только одно из k событий A1, A2, …, Ak с соответствующими вероятностями p1, p2, …, pk , то вероятность того, что в этих опытах событие A1 появится m1 раз, событие A2 m2 раз, …, событие Ak mk раз, равна

Pn(m1, m2, …, mk) = , где m1 + m2 +…+ mk = n. Вероятности называются полиномиальным распределением.

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]